[發明專利]反洗錢識別方法及裝置

在審

• 申請號: 202010585037.0
• 申請日: 2020-06-24
• 公開（公告）號: CN111768305A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 李模楷;章文輝;謝紅林;熊明豪
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06Q20/38;G06N20/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王濤;任默聞

1.一種反洗錢識別方法，其特征在于，包括：

接收反洗錢識別請求并根據該反洗錢識別請求確定待識別交易記錄集；

應用預設的反洗錢識別規則將所述待識別交易記錄集分為第一洗錢交易記錄組和第一正常交易記錄組；

基于預設的反洗錢機器學習模型將所述第一正常交易記錄組分為洗錢交易記錄子組和正常交易記錄子組；

將所述第一洗錢交易記錄組和洗錢交易記錄子組中的各個交易記錄確定為目標洗錢交易記錄。

2.根據權利要求1所述的反洗錢識別方法，其特征在于，在所述應用預設的反洗錢識別規則將所述待識別交易記錄集分為第一洗錢交易記錄組和第一正常交易記錄組之后或之時，還包括：

基于所述預設的反洗錢機器學習模型將所述待識別交易記錄集分為第二洗錢交易記錄組和第二正常交易記錄組；

將在所述第一洗錢交易記錄組和第二洗錢交易記錄組中同時存在的各個交易記錄確定為目標洗錢交易記錄。

3.根據權利要求1所述的反洗錢識別方法，其特征在于，在所述基于預設的反洗錢機器學習模型將所述第一正常交易記錄組分為洗錢交易記錄子組和正常交易記錄子組之前，還包括：

獲取多個歷史交易記錄以及各個歷史交易記錄對應的交易標簽，該交易標簽包括：洗錢交易標簽和正常交易標簽；

應用多個所述歷史交易記錄以及各個所述歷史交易記錄各自對應的交易標簽對所述反洗錢機器學習模型進行訓練，該反洗錢機器學習模型為：邏輯回歸模型、決策樹模型和聚類模型中的至少一個。

4.根據權利要求1所述的反洗錢識別方法，其特征在于，在所述將所述第一洗錢交易記錄組和洗錢交易記錄子組中的各個交易記錄確定為目標洗錢交易記錄之后，還包括：

判斷所述目標洗錢交易記錄的個數與待識別交易記錄集中交易記錄的個數的比值是否大于報警閾值，若是，則將洗錢交易報警信息輸出顯示。

5.一種反洗錢識別裝置，其特征在于，包括：

接收模塊，用于接收反洗錢識別請求并根據該反洗錢識別請求確定待識別交易記錄集；

第一識別模塊，用于應用預設的反洗錢識別規則將所述待識別交易記錄集分為第一洗錢交易記錄組和第一正常交易記錄組；

第二識別模塊，用于基于預設的反洗錢機器學習模型將所述第一正常交易記錄組分為洗錢交易記錄子組和正常交易記錄子組；

第一確定模塊，用于將所述第一洗錢交易記錄組和洗錢交易記錄子組中的各個交易記錄確定為目標洗錢交易記錄。

6.根據權利要求5所述的反洗錢識別裝置，其特征在于，還包括：

第三識別模塊，用于基于所述預設的反洗錢機器學習模型將所述待識別交易記錄集分為第二洗錢交易記錄組和第二正常交易記錄組；

第二確定模塊，用于將在所述第一洗錢交易記錄組和第二洗錢交易記錄組中同時存在的各個交易記錄確定為目標洗錢交易記錄。

7.根據權利要求5所述的反洗錢識別裝置，其特征在于，還包括：

獲取模塊，用于獲取多個歷史交易記錄以及各個歷史交易記錄對應的交易標簽，該交易標簽包括：洗錢交易標簽和正常交易標簽；

訓練模塊，用于應用多個所述歷史交易記錄以及各個所述歷史交易記錄各自對應的交易標簽對所述反洗錢機器學習模型進行訓練，該反洗錢機器學習模型為：邏輯回歸模型、決策樹模型和聚類模型中的至少一個。

8.根據權利要求5所述的反洗錢識別裝置，其特征在于，還包括：

報警模塊，用于判斷所述目標洗錢交易記錄的個數與待識別交易記錄集中交易記錄的個數的比值是否大于報警閾值，若是，則將洗錢交易報警信息輸出顯示。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1至4任一項所述的反洗錢識別方法。

10.一種計算機可讀存儲介質，其上存儲有計算機指令，其特征在于，所述指令被執行時實現權利要求1至4任一項所述的反洗錢識別方法。